一种零陷展宽的相干干扰抑制方法与流程

本发明属于雷达假目标干扰抑制技术领域，具体涉及一种零陷展宽的相干干扰抑制方法。

背景技术：

雷达、导航、声纳和通信等现代信息系统通过电磁波、声波的调制、发射和接收实现信息的传输、目标的检测、定位、成像、跟踪和识别。例如，雷达和声纳通过电磁波和声波将能量辐射到空间和水底，探测由物体或目标反射的回波信号，同时抑制背景中不需要的杂波、混响、干扰等成分，实现对感兴趣目标的检测、跟踪等。随着信息化水平的不断提升，现代信息系统的工作环境日益复杂，大量的有源干扰严重妨碍了信息系统的功能实现，同时，由于干扰功率一般都比较大，环境带来的多径干扰给传统抗干扰方法带来严峻的考验。

波束形成方法主要用来进行阵列抗干扰，在许多实际应用中，常常采用阵列采样协方差矩阵求逆的方法来获得阵列加权矢量，但是当接收数据含有期望信号，存在相干干扰时，波束的方向图会畸变，抗干扰性能急剧下降，因此，提高波束形成器的稳健性一直是该领域的热点。

为了改善波束形成中对于角度估计误差的敏感性问题，对角加载方法是一种有效的方法，但是由于加载量不能随着期望信号信噪比变化而调整，在信噪比较高时依然会出现信号相消的现象。重构干扰噪声协方差矩阵成为解决此类信号相消的问题的有效方法，该方法需要对除期望信号来向外地的所有空域角度进行计算，计算量较大，实际应用有困难。以上两大类方法均能在一定程度上改善波束形成方法的稳定性，但是对于干扰瞬时扰动和相干干扰，依然不能获得良好的抗干扰效果。

技术实现要素：

有鉴于此，本发明提供了一种零陷展宽的相干干扰抑制方法，应用于雷达空域抗干扰，当接收信号中含有期望信号、干扰方向估计存在随机误差，或存在相干干扰时，能够获得更好的抗干扰性能，实现稳健的抗干扰。

为实现上述目的，本发明的一种零陷展宽的相干干扰抑制方法，包括如下步骤：

首先通过空间谱估计算法对接收数据进行波达方向估计，得到目标信号和干扰信号的角度信息；设定干扰信号方向的零陷深度和零陷宽度，结合目标信号和干扰信号的角度信息，建立令目标信号方向的加权增益最大、干扰信号方向及其邻域方向加权增益可控以及其余方向的旁瓣加权增益最小的最优化问题；

求解所述最优化问题得到最优加权矢量；

利用最优加权矢量对接收数据进行加权，实现零陷展宽的相干干扰抑制。

其中，采用MUSIC算法对接收数据进行波达方向估计；当存在相干干扰时，先采用空间平滑技术对接收数据进行去相关，然后再用MUSIC算法进行估计得到角度信息。

其中，求解所述最优化问题时，在目标信号方向的加权增益最大、干扰信号方向及其邻域方向加权增益可控时，令其余方向的旁瓣加权增益最小。

其中，所述最优化问题为：

subjet to w^Ha(θ0)＝1

其中w为加权矢量，上标H为共轭转置运算符号，θ为信号入射角度，θ0为目标信号入射角度，Θ为波束形成的整个空域，Θi为第i个干扰信号的方向区域，Θi满足如下关系:

θi为第i个干扰信号的入射角度，Δθi为第i个干扰信号方向的零陷宽度，ξi为干扰信号方向的零陷深度控制因子，|| ||2为L2范数。

其中，利用CVX优化工具包求解得到最优加权矢量。

有益效果：

本发明针对雷达抗干扰过程中存在瞬时扰动干扰和相干干扰问题，首先通过空间谱估计方法，得到目标信号和干扰信号的角度信息，通过设定干扰信号方向的零陷深度和零陷宽度，结合目标信号和干扰信号的角度信息，建立在目标信号方向的加权增益最大、干扰信号方向及其邻域方向加权增益可控时，令其余方向的旁瓣加权增益最小的最优化问题，求解该最优化问题得到最优加权矢量，利用最优加权矢量对接收数据进行加权，实现零陷展宽的相干干扰抑制。由于在求解最优权矢量时不依赖采样协方差矩阵求逆运算，可以有效对抗相干干扰，同时由于对干扰零陷方向进行了一定的展宽，可以有效对抗干扰指向误差。

附图说明

图1是本发明的信号处理流程图；

图2是本发明与其他空域抗干扰方法的波束形成方向图对比图；

图3是本发明与其他空域抗干扰方法在存在干扰指向误差时输出信干噪比(SINR)随输入信噪比(SNR)变化的对比图；

图4是本发明与其他空域抗干扰方法输出信噪比(SNR)随干扰指向误差变化的对比图

图5是本发明与其他空域抗干扰方法输出信干噪比(SINR)随相干干扰(INR)干噪比变化的对比图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明目的在于克服现有雷达阵列抗干扰的不足，提供了一种稳健的抗副瓣干扰方法。本发明适用于电子对抗领域多通道雷达抗干扰等电子防御应用，同时，也可应用于导航、声纳和通信等信息系统的抗干扰领域。

本发明的信号处理流程图如图1所示，包括如下步骤：

步骤1，建立雷达接收信号模型；

假设窄带远场平面波信号入射到由M个阵元组成的均匀线阵，信号入射角度为θ。则入射信号的接收导向矢量a(θ)＝可表示为：

a(θ)＝[1,e^-ju,…,e^-j(M-1)u]^T

其中，表示入射信号的空间角频率，d表示阵元间距，λ表示载波波长。

雷达阵列在t时刻接收的数据由期望信号、干扰信号和噪声三部分组成，假设入射信号中有1个目标信号s0(t)、入射角为θ0，P个干扰信号si(t)(1≤i≤P)、入射角为θi(i≤1≤P)，那么雷达阵列在t时刻接收数据X(t)可表示为：

其中，Xs(t)、Xi(t)、Xn(t)分别表示目标信号、干扰信号和噪声接收数据，a(θ0)表示目标信号的接收导向矢量，a(θi)(1≤i≤P)表示干扰信号的接收导向矢量，N(t)表示高斯白噪声。

那么阵列接收信号的协方差矩阵R为

其中，Rs表示目标信号的协方差矩阵，Ri+n表示干扰加噪声的协方差矩阵，表示目标信号的功率，上标H为共轭转置运算符号，表示干扰信号的功率，表示白噪声的功率。

步骤2，利用空间谱估计算法对阵列接收数据进行波达方向估计；

利用空间谱估计算法(例如Capon算法、Root-MUSIC算法以及MUSIC算法)对接收信号进行波达方向估计，得到期望信号的来波方向信息θ0和干扰信号的来波方向信息θi(i≤1≤P)；

本实施例采用经典的多信号分类算法(Multiple Signal classification,MUSIC)进行计算，此处将MUSIC算法对应的雷达阵列空间谱表达式列出，表示为：

其中，Un表示噪声子空间对应的特征向量。

当存在相干干扰时，先采用空间平滑技术对接收数据进行去相关，然后再用MUSIC进行估计得到角度信息。

步骤3，利用估计的角度信息构建阵列方向图增益的最优化问题，求解最优权矢量w；

为了使干扰能够完全对消、期望信号的方向图增益最大，构造以下最优化问题：

subjet to w^Ha(θ0)＝1

其中Θ为波束形成的整个空域，Θi为第i个干扰信号的方向区域，Θi满足如下关系:

其中，θi为第i个干扰信号的入射角度，Δθi为第i个干扰信号方向的零陷宽度，ξi为干扰信号方向的零陷深度控制因子，|| ||2为L2范数。

第i个干扰信号方向的零陷宽度即第i个干扰信号方向的角度估计误差。

ξi表示干扰方向的零陷深度控制因子，通常为一较小的正数，一般取10^-4到10^-3。

该优化问题的物理意义为：求取一组最优加权矢量，使得在目标信号方向的加权增益最大、干扰信号方向及其邻域方向加权增益可控时，令其余方向的旁瓣加权增益最小。

利用CVX优化工具包求解得到最优加权矢量w。

步骤4，将得到的最优加权矢量w对接收数据进行加权，实现零陷展宽的相干干扰抑制；

通过得到的最优加权矢量对接收数据X(t)进行加权，可得各阵元输出信号Y(t)，以及此时的输出信号干噪比SINR；其中Y(t)＝w^HX(t)，

实验仿真验证：为了验证本发明提出的一种特定旁瓣抑制的抗相干干扰方法，进行了三组仿真实验进行分析，分别是阵列波束形成方向图分析、存在干扰随机指向误差时的抗干扰性能分析和存在相干干扰时的抗干扰性能分析。仿真采用均匀线阵，仿真参数如表格1所示。

表格1仿真参数设置

由图2可知，Capon算法和LCMV算法在干扰方向形成了零陷，但由于采用SMI算法时，接收数据中含有期望信号，所以主瓣发生畸变，即产生了信号相消。重构类方法能在干扰方向上形成很深的零陷，同时主瓣能准确的指向期望信号的真实方向。本发明方法形成的方向图能够准确地指向期望信号的真实方向，并且具有较低的旁瓣，且在干扰方向能形成更宽的零陷，但相对重构类方法，主瓣宽度略有展宽。通过方向图对比分析可知，本发明方法的优点是方向图在干扰零点附近展宽，该特性能很好的应对干扰信号角度估计存在误差的情形。

存在干扰随机指向误差时的抗干扰性能分析如下：

当快拍数较小或者干扰平台瞬时扰动时，由于接收数据的协方差矩阵估计不准，我们不能精确获得干扰信号的DOA信息。假设前两个干扰信号均存在±1o的随机指向误差，即所估计的干扰信号的方向分别为[-31°,-29°]，[-6°,-4°]中的任意值，但是一次仿真过程中不同的采样时刻信号和干扰的方向保持不变。

图3比较了不同方法输出信干噪比(SINR)随输入信噪比(SNR)变化的关系，从图中可以看出Capon算法和LCMV算法在信噪比较低时具有较好的性能，但随着信噪比的增大，输出SINR趋于平稳。重构类方法的输出SINR随着输入SNR的增大而增大，但是明显小于最优值，这是因为在重构协方差矩阵过程中，干扰角度存在偏差，零陷位置位于实际位置附近，干扰对消存在剩余。本发明方法输出SINR随着输入SNR增大而增大，且接近于理论值。图4比较了不同方法输出信干噪比随着干扰角度估计误差变化的情况。由图可知，Capon算法对干扰信号的随机估计误差不敏感，因为SMI算法不借助干扰信号的DOA信息。LCMV算法输出SINR随着随机估计误差的减小而增大，但增加幅度较小，因为该方法求解过程中虽然用到干扰信号DOA的约束条件，但主要借助SMI过程。重构类方法的输出SINR随着随机指向误差的减小而增大，其中当随机指向误差为0°时，达到理论最优值。本发明方法则基本是一条接近于理论值的直线，即在角度误差较大时依然具有很高的输出信干噪比。

通过图3和图4的实验结果表明，本发明方法的抗干扰性能不受干扰方向扰动的影响。

存在相干干扰时的抗干扰性能分析如下：

当存在转发式相干干扰时，常规方法的抗干扰性能会受到影响。假定干扰信号不存在随机估计误差，并且其中一个干扰信号与期望信号相干，分析此时不同方法输出信干噪比(SINR)随相干干扰的干噪比(INR)变化的情况。由图5可知Capon算法的抗干扰性能失效，其输出SINR随着干噪比INR的增加而减小，LCMV算法输出SINR基本不随INR变化，但明显低于最优值，重构类方法输出SINR在INR较低时，接近于理论值，但随着INR的增大，开始逐渐下降，抗干扰性能受到影响。本发明方法的输出SINR则基本是一条接近理论值的直线，即抗干扰性能不受相干干扰的INR影响。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。